摘要
研究股票价格准确预测问题。股票价格预测是股票交易者最关心的问题,直接影响着股票交易者的收益。由于股票受经济发展的影响,价格波动较大,在股票价格预测中采用传统神经网络方法存在训练速度慢,易陷入局部极小值,隐含层节点数人为指定等问题,导致泛化能力受到影响,预测不准。为了提高股票价格预测的精度,提出基于因子分析法的极限学习机股票价格预测模型。首先使用因子分析法综合股票价格影响指标;接着使用隐含层神经元数量寻优算法搜索最优隐含层神经元数量值;然后使用极限学习机对综合后的股票价格影响指标进行学习,建立股票价格预测模型;最后通过实验对模型性能进行测试。试验结果证明,基于因子分析法的极限学习机提高了股票价格的预测精度和运行效率。
A stock price prediction model is put forward in this paper based on factor analysis method （FAM） and extreme learning machine （ELM）. Firstly, FAM is used to synthesize the stock price indexes. Secondly, hidden layer neuron number optimization algorithm is used to searching the optimal value. Then, the synthesized stock price indexes are used as ELM input variables to learn and establish stock price prediction model. Finally the prediction performance is tested by simulation experiments. The test results show that the FAM - ELM prediction model can ac- celerate the network learning, and improve the prediction accuracy of stock price.
出处
《计算机仿真》
CSCD
北大核心
2014年第8期209-212,316,共5页
Computer Simulation
基金
陕西省自然科学基金(2012GQ8050)
陕西省教育厅专项科研计划项目(13JK0403)
西安邮电大学中青年基金(104-0410)
关键词
股票价格
预测
因子分析法
极限学习机
Stock price
Prediction
Factor analysis method （FAM）
Extreme learning machine（ELM）
